هوش مصنوعی و علم داده به فارسی
前往频道在 Telegram
DataPlusScience | هوش مصنوعی و علم داده به فارسی اخبار، تحلیل، آموزش و ابزارهای کاربردی 🌐 DataPlusScience.ir 📩 ارتباط با ما: @Contact2Mebot 💎 بله: ble.ir/dataplusscience 💡 ایتا: eitaa.com/DataPlusScience 📂 کانال فایلها: @Datascientists_Files
显示更多6 061
订阅者
+324 小时
无数据7 天
-330 天
正在加载数据
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
十一月 '2611月 '26
十一月 '26
+33
在0个频道中
十月 '26
+37
在4个频道中
Get PRO
九月 '260
在2个频道中
Get PRO
八月 '260
在3个频道中
Get PRO
七月 '260
在3个频道中
Get PRO
六月 '260
在6个频道中
Get PRO
五月 '260
在1个频道中
Get PRO
四月 '260
在0个频道中
Get PRO
三月 '26
+3
在0个频道中
Get PRO
二月 '26
+46
在0个频道中
Get PRO
一月 '26
+11
在1个频道中
Get PRO
十二月 '25
+55
在1个频道中
Get PRO
十一月 '25
+123
在16个频道中
Get PRO
十月 '25
+215
在11个频道中
Get PRO
九月 '25
+101
在10个频道中
Get PRO
八月 '25
+101
在10个频道中
Get PRO
七月 '25
+57
在0个频道中
Get PRO
六月 '25
+32
在0个频道中
Get PRO
五月 '25
+53
在0个频道中
Get PRO
四月 '25
+64
在1个频道中
Get PRO
三月 '25
+53
在1个频道中
Get PRO
二月 '25
+60
在1个频道中
Get PRO
一月 '25
+95
在2个频道中
Get PRO
十二月 '24
+116
在4个频道中
Get PRO
十一月 '24
+192
在15个频道中
Get PRO
十月 '24
+86
在2个频道中
Get PRO
九月 '24
+202
在1个频道中
Get PRO
八月 '24
+256
在4个频道中
Get PRO
七月 '24
+124
在1个频道中
Get PRO
六月 '24
+101
在9个频道中
Get PRO
五月 '24
+159
在10个频道中
Get PRO
四月 '24
+307
在10个频道中
Get PRO
三月 '24
+280
在3个频道中
Get PRO
二月 '24
+619
在1个频道中
Get PRO
一月 '24
+386
在14个频道中
Get PRO
十二月 '23
+361
在13个频道中
Get PRO
十一月 '23
+395
在9个频道中
Get PRO
十月 '23
+255
在8个频道中
Get PRO
九月 '23
+80
在0个频道中
Get PRO
八月 '23
+18
在0个频道中
Get PRO
七月 '23
+25
在0个频道中
Get PRO
六月 '23
+23
在0个频道中
Get PRO
五月 '23
+34
在0个频道中
Get PRO
四月 '23
+16
在0个频道中
Get PRO
三月 '23
+37
在0个频道中
Get PRO
二月 '23
+76
在0个频道中
Get PRO
一月 '23
+74
在0个频道中
Get PRO
十二月 '22
+34
在0个频道中
Get PRO
十一月 '22
+47
在0个频道中
Get PRO
十月 '22
+36
在0个频道中
Get PRO
九月 '22
+52
在0个频道中
Get PRO
八月 '22
+41
在0个频道中
Get PRO
七月 '22
+58
在0个频道中
Get PRO
六月 '22
+69
在0个频道中
Get PRO
五月 '22
+58
在0个频道中
Get PRO
四月 '22
+35
在0个频道中
Get PRO
三月 '22
+60
在0个频道中
Get PRO
二月 '22
+72
在0个频道中
Get PRO
一月 '22
+55
在0个频道中
Get PRO
十二月 '21
+49
在0个频道中
Get PRO
十一月 '21
+76
在0个频道中
Get PRO
十月 '21
+51
在0个频道中
Get PRO
九月 '21
+82
在0个频道中
Get PRO
八月 '21
+162
在0个频道中
Get PRO
七月 '21
+35
在0个频道中
Get PRO
六月 '21
+52
在0个频道中
Get PRO
五月 '21
+26
在0个频道中
Get PRO
四月 '21
+45
在0个频道中
Get PRO
三月 '21
+90
在0个频道中
Get PRO
二月 '21
+81
在0个频道中
Get PRO
一月 '21
+65
在0个频道中
Get PRO
十二月 '20
+2 414
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 19 十一月 | +4 | |||
| 18 十一月 | 0 | |||
| 17 十一月 | 0 | |||
| 16 十一月 | +4 | |||
| 15 十一月 | +2 | |||
| 14 十一月 | +2 | |||
| 13 十一月 | +4 | |||
| 12 十一月 | +1 | |||
| 11 十一月 | +2 | |||
| 10 十一月 | 0 | |||
| 09 十一月 | +2 | |||
| 08 十一月 | 0 | |||
| 07 十一月 | +3 | |||
| 06 十一月 | 0 | |||
| 05 十一月 | 0 | |||
| 04 十一月 | +4 | |||
| 03 十一月 | +1 | |||
| 02 十一月 | +2 | |||
| 01 十一月 | +2 |
频道帖子
📊 دوره رایگان مهندسی سیستمهای یادگیری ماشین هاروارد
دانشگاه هاروارد منابع آموزشی کاملی را برای یادگیری توسعه، بهینهسازی و استقرار سیستمهای یادگیری ماشین منتشر کرده است. این دوره شامل محتوای آموزشی، آزمایشگاههای تعاملی و شبیهسازهایی برای تمرین عملی است.
مهمترین سرفصلهای این مجموعه آموزشی عبارتند از:
• معماری سیستمهای ML: آموزش نحوه مقیاسپذیری و طراحی ساختار سیستمها
• پردازنده و حافظه: بررسی شتابدهندههای محاسباتی، پهنای باند و KV-cache
• استنتاج (Inference): مفاهیم دستهبندی (batching)، کوانتیزاسیون، تأخیر و توان عملیاتی
• TinyTorch: ساخت یک فریمورک یادگیری ماشین از پایه در ۲۰ ماژول
• آزمایشگاههای تعاملی: اجرای تغییرات پارامترهای سیستم بهصورت مستقیم در مرورگر
تمامی اسلایدها و مواد آموزشی این دوره در مخزن GitHub دانشگاه هاروارد در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی تلگرام | بله | ایتا | ارتباط با ما#TinyTorch #MLSys
19 11月, 09:07
| 2 | 没有文字... | 195 |
| 3 | معرفی هفت مدل هوش مصنوعی مایکروسافت در Ignite 2026
مایکروسافت در کنفرانس Ignite 2026 از هفت مدل جدید در حوزههای برنامهنویسی، امنیت، تصویر، صوت و مسیریابی رونمایی کرد. با معرفی MAI Licensed Weights، کسبوکارها اکنون امکان شخصیسازی و اجرای این مدلها را در محیطهای Azure خود دارند.
مهمترین مدلهای معرفیشده:
• MAI Code 2: مدل اختصاصی برای توسعه نرمافزار که در بنچمارکهای مختلف تا ۹۸ درصد عملکرد GPT-6.1 Sol را با هزینهای بهمراتب کمتر ارائه میدهد. نسخه Flash آن نیز برای وظایف روزمره در تمام سطوح اشتراک GitHub Copilot در دسترس است.
• MAI Cyber 2 Flash: مدل امنیتی با کانتکست ۱ میلیون توکن که برای حفاظت از کد و زیرساخت طراحی شده است.
• MAI Image 2.7: ابزاری برای تولید و ویرایش تصویر که طبق رتبهبندی Artificial Analysis در جایگاه نخست مدلهای ویرایش قرار گرفته است.
• MAI Realtime 1: نخستین مدل مایکروسافت برای گفتگوی صوتی زنده (Speech-to-Speech) که در آزمایشهای داخلی از عملکرد GPT-Realtime 2.1 پیشی گرفته است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما | 172 |
| 4 | 🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #22 | 📌 4 آیتم گزارش | 🧾 از 19 پست بررسیشده
🕐 سهشنبه 1405/08/26 ساعت 14:00 تا پنجشنبه 1405/08/28 ساعت 14:00
بهینهسازی ایجنتهای کدنویسی با آداپتور LoRA
استفاده از آداپتور LoRA برای مدل Qwen3.8-27B، با تمرکز بر کاهش فراخوانیهای غیرضروری ابزار، بهرهوری حل مسائل پیچیده برنامهنویسی را بهبود داده است. این تغییر باعث میشود مدل با صرف توکن کمتر به نتیجه برسد و برای محیطهایی که محدودیت هزینه یا تأخیر دارند، گزینهای قابلاتکا باشد. البته این اثربخشی مشروط به تطبیق دقیقِ محیط اجرای شما با مجموعه دادههای آموزشی TermGrade است.
🔬 تحولات ابزارهای هوش مصنوعی
افزایش دقت و کاهش توکن در مدلهای برنامهنویسی Qwen
کاهش میانگین نوبتهای حل مسئله در SWE-bench Pro با استفاده از آداپتور LoRA بهینه شده
مدل Microsoft Decision برای تصمیمگیری منطقی
جایگزینی مدلهای زبانی بزرگ در وظایف مسیریابی با خروجیهای ساختاریافته و امتیاز اطمینان
کشف آسیبپذیری امنیتی جاوا توسط OpenAI Codex
شناسایی حفره امنیتی دیکودر Base64 در هسته جاوا با هزینه کمتر از ۲۰۰ دلار
کدک صوتی LiquidCodec با تأخیر بسیار پایین
کدک استریممحور ۷۴ میلیون پارامتری برای اجرا روی دستگاههای محلی با امتیاز ViSQOL بالا
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما | 163 |
| 5 | 🤖 عرضه مدل Microsoft Decision برای انتخابهای منطقی در کد
مایکروسافت مدل جدید Microsoft-Decision-1.1 را برای سادهسازی فرآیند تصمیمگیری در برنامهها منتشر کرد. این مدل که بر پایه معماری Gemma 4 26B ساخته شده، به جای تولید متن آزاد، از میان گزینههایی که توسعهدهنده تعریف میکند انتخاب انجام میدهد و امتیاز اطمینان (Confidence Score) را برمیگرداند.
این ابزار قابلیت پردازش متن، تصاویر و اسکرینشاتها را دارد و در سناریوهایی مانند مسیریابی خودکار تیکتهای پشتیبانی کاربرد دارد. اگر میزان اطمینان مدل از حد تعیینشده کمتر باشد، فرآیند به اپراتور انسانی ارجاع داده میشود.
برخی ویژگیهای فنی و هزینهای آن عبارتند از:
* سرعت اجرای ۲.۲ برابر بیشتر و هزینه ۴.۴ برابر کمتر نسبت به مدلهای زبانی بزرگ در وظایف مسیریابی.
* هزینه ۰.۰۴۲ دلار برای هر یک میلیون توکن ورودی در سرویس Microsoft Foundry و رایگان بودن توکنهای خروجی.
* دسترسی در پلتفرمهای Microsoft Foundry، OpenRouter و Vercel.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Microsoft_Decision_1_1 #Gemma_4 | 175 |
| 6 | 🎨 تبدیل شیتهای گوگل به انیمیشن با هوش مصنوعی
مدل Gemini 4 Hydrogen گوگل با استفاده از ابزار کدنویسی Antigravity موفق شده است محتوای فایلهای Google Sheets را به تصاویر متحرک پیکسلی تبدیل کند. در این فرآیند، هزاران سلول اکسل به پیکسلهای کوچکی تغییر یافتهاند که در کنار هم صحنههای متحرک ایجاد میکنند.
نکته فنی این است که تمامی حرکات در این خروجیها صرفاً بر پایه فرمولنویسی داخل سلولها انجام شده است. ویدیوهای خروجی شامل صحنههایی مانند حرکت قطار به سمت ایستگاه، عبور دوچرخهسوار از کنار کلیسا و ریزش برگهای پاییزی است که همگی درون محیطی که معمولاً برای بودجهبندی یا فهرست کارهای روزانه استفاده میشود، اجرا شدهاند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Gemini_4_Hydrogen #Antigravity | 182 |
| 7 | 🚨 کشف آسیبپذیری امنیتی جاوا با هوش مصنوعی
کوانگ لونگ از استارتاپ امنیتی Calif با استفاده از مدل OpenAI Codex موفق شد در مدت یک ساعت، یک حفره امنیتی در هسته جاوا شناسایی کند. هزینه استفاده از توکنهای هوش مصنوعی برای این بررسی کمتر از ۲۰۰ دلار بوده است.
این آسیبپذیری با ارسال رشتهای شامل ۶۴ کاراکتر «A» و یک علامت «=» به دیکودر Base64 جاوا فعال میشود که منجر به تخریب حافظه سرور و اجرای کد توسط مهاجم بدون نیاز به رمز عبور میگردد. مهمترین یافتههای این بررسی عبارتند از:
* نفوذ موفق به سیستمهای Jira، Confluence، Jenkins و Keycloak با تنظیمات پیشفرض.
* عدم تأثیرگذاری بر پردازندههای ARM و محدود بودن مشکل به پردازندههای جدیدتر Intel و AMD.
* استفاده از جاوا در ۹۰ درصد شرکتهای فهرست Fortune 500.
اوراکل وصله امنیتی این مشکل را منتشر کرده و سازمان امنیت سایبری CISA نیز بر لزوم بهروزرسانی فوری سرورها تأکید کرده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#OpenAI_Codex #Base64_decoder | 191 |
| 8 | راهنمای جامع پیادهسازی ایجنتهای هوش مصنوعی در محیط عملیاتی
تفاوت اصلی میان یک دمو و یک سیستم هوش مصنوعی آماده برای محیط تولید (Production)، در نحوه مدیریت وظایف پیچیده، بازیابی از خطاها و حفظ امنیت است. ساخت یک ایجنت لزوماً به معنای کارآمدتر بودن سیستم نیست و گاهی یک گردشکار ساده، سریعتر و مطمئنتر عمل میکند. مهمترین نکات برای انتقال ایجنتها به محیط عملیاتی عبارتند از:
* طراحی ابزارها (Tools): ابزارها رابط کاربری ایجنت هستند. به جای ساخت ابزارهای بسیار ریز یا بیش از حد کلی، هر ابزار را برای یک هدف مشخص (Intent) طراحی کنید و خروجی را تنها به دادههای ضروری برای مرحله بعد محدود کنید.
* استراتژی حافظه (Memory): ایجنتها ذاتا بدون وضعیت (Stateless) هستند. برای حفظ سابقه، از سلسلهمراتب حافظه استفاده کنید: حافظه کاری (در Prompt)، حافظه کوتاهمدت (Thread history) و حافظه بلندمدت (پایگاه داده برای ذخیره فکتها).
* حلقههای بازخورد: برای وظایفی مثل تولید متن یا کد، از الگوی «تولیدکننده-ارزیاب» استفاده کنید. ایجنت باید بتواند بر اساس بازخورد، نسخه خود را اصلاح کند.
🇮🇷 تلگرام | 215 |
| 9 | 🤖 بهبود عملکرد مدل Qwen در کدهای برنامهنویسی
تیم Hugging Face یک آداپتور LoRA برای مدل Qwen3.8-27B منتشر کرده که دقت کدنویسی آن را در عامل pi از ۳۹٪ به ۶۵٪ افزایش میدهد. این مدل با استفاده از یادگیری تقویتی AsyncGRPO در محیط pi و بر پایه مجموعه دادههای TermGrade و scale800 آموزش دیده است.
در طراحی این آداپتور، پاداشها بر اساس پاسخهای صحیح و کاهش تعداد فراخوانی ابزارها تعیین شدهاند. نتایج عملکرد این مدل در بنچمارکهای اصلی به شرح زیر است:
* SWE-bench Pro: افزایش دقت pass@1 از ۳۹.۲٪ به ۶۴.۷٪
* Terminal-Bench 2.1: افزایش دقت از ۳۹.۵٪ به ۵۵.۸٪
علاوه بر بهبود دقت، میانگین تعداد نوبتهای لازم برای حل مسائل در SWE-bench Pro از ۵۹ به ۲۳ کاهش یافته است. این مدل با تولید ۴.۵ برابر توکن کمتر، دقتی مشابه مدل پایه در حالت «تفکر» (thinking-mode) ارائه میدهد. این آداپتور با رتبه ۳۲ تحت مجوز Apache-2.0 در دسترس است و با vLLM یا به صورت GGUF در llama.cpp پشتیبانی میشود. جزئیات بیشتر در وبلاگ Hugging Face و مخزن TRL قابل مشاهده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما | 267 |
| 10 | 📚 انتشار کتاب یادگیری ماشین برای مهندسان
کتاب «MACHINE LEARNING: A First Course for Engineers and Scientists» نوشته آندرس لیندولم و همکاران، نسخه جدیدی از مبانی یادگیری ماشین برای مخاطبان فنی منتشر شد.
این کتاب ۳۴۸ صفحهای توسط انتشارات کمبریج چاپ شده و اکنون نسخه پیشنویس آن برای استفاده شخصی به صورت رایگان در دسترس است.
مهمترین مشخصات این اثر:
* نویسندگان: Andreas Lindholm, Niklas Wahlström, Fredrik Lindsten, Thomas B. Schön
* ناشر: Cambridge University Press
* تاریخ نسخه: ۴ مارس ۲۰۲۶
* دریافت فایل: دانلود PDF
بازنشر و فروش مجدد این کتاب طبق ضوابط مؤلفان مجاز نیست.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Andreas_Lindholm #Cambridge_University_Press | 297 |
| 11 | ⚠️ محدودیت دسترسی به Claude در سخنرانی ادوارد ویتن
ادوارد ویتن، فیزیکدان برجسته و برنده مدال فیلدز، در حین سخنرانی خود درباره ترمودینامیک سیاهچالهها در دانشگاه علم و صنعت هنگکنگ (HKUST) با محدودیت جغرافیایی برای استفاده از مدل هوش مصنوعی Claude مواجه شد.
طبق گزارش ABAB News، زمانی که او در میانه ارائه قصد داشت از این سرویس استفاده کند، با پیام «سرویس در منطقه شما در دسترس نیست» روبرو شد.
ویتن که به عنوان یکی از چهرههای کلیدی در توسعه M-theory شناخته میشود، در این رویداد پیرامون مباحث پیشرفته فیزیک نظری صحبت میکرد. جزئیات مربوط به این سخنرانی علمی در تقویم دانشگاه هنگکنگ ثبت شده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Claude #M_theory | 291 |
| 12 | 没有文字... | 254 |
| 13 | 🎙 انتشار LiquidCodec توسط شرکت Liquid AI
شرکت Liquid AI به تازگی LiquidCodec را منتشر کرده است؛ یک کدک صوتی استریممحور با ۷۴ میلیون پارامتر که وظیفه تبدیل گفتار به توکنهای گسسته برای مدلهای زبانی و بازسازی صدا را بر عهده دارد. این ابزار در مدلهای LFM3-Audio-2B و LFM3-Omni-2B استفاده شده و تمرکز اصلی آن بر سرعت پردازش بالا برای اجرا روی دستگاههای محلی است.
برخی ویژگیهای فنی این مدل:
- خروجی ۱۲.۵ فریم در ثانیه با نرخ نمونهبرداری ۲۴ کیلوهرتز.
- استفاده از کوانتش اسکالر محدود گروهی بهجای کوانتش برداری.
- معماری کاملاً علی (Causal) برای استریمینگ واقعی.
در تستهای بنچمارک روی مجموعه داده LibriSpeech، این کدک در شاخص ViSQOL امتیاز ۴.۳۱۹ را کسب کرده و سرعت دیکودینگ آن در مقایسه با مدلهایی مانند Mimi، X-Codec 2 و NanoCodec بهمراتب بالاتر است. این مدل تحت لایسنس LFM Open v1.0 در دسترس قرار گرفته است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#LiquidCodec #LFM3_Audio | 226 |
| 14 | 🗃️ معرفی الگوریتم A°LoMa برای تطبیق نقاط کلیدی
مدل A°LoMa یک تخمینگر جدید برای تطبیق نقاط کلیدی (Feature Matching) است که با استفاده از توصیفگرهای LoMa عمل میکند. این مدل در مقایسه با ابزارهایی مانند LightGlue، در محیطهای پیچیده تراکم تطبیق بسیار بالاتری را در نقاط مختلف تصویر ثبت میکند.
مهمترین منابع این ابزار:
* مخزن کد (GitHub)
* مقاله علمی
* صفحه پروژه
این مدل در طیف گستردهای از وظایف بینایی ماشین عملکرد پایدارتری دارد. کد و مجموعه دادههای این پروژه تحت مجوز MIT منتشر شده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#ALoMa #FeatureMatching | 234 |
| 15 | 🔍 پیشنهاد ۵ میلیارد دلاری OpenAI برای خرید Goodfire
شرکت OpenAI در تابستان امسال برای خرید استارتاپ Goodfire مذاکراتی داشته است. این استارتاپ که تحت حمایت Anthropic فعالیت میکند، بر حوزه «تفسیرپذیری مکانیکی» (Mechanistic Interpretability) متمرکز است.
فناوری اختصاصی Goodfire به توسعهدهندگان اجازه میدهد فرآیندهای ریاضی درون شبکههای عصبی را بررسی کنند و متوجه شوند مدل چرا تصمیم خاصی گرفته است. این ابزار به ویژه زمانی اهمیت پیدا میکند که مدلها محاسبات پیچیده را در لایههای داخلی انجام میدهند و این مراحل در خروجی متنی یا Chain of Thought به درستی منعکس نمیشود.
با وجود پیشنهاد بیش از ۵ میلیارد دلاری OpenAI که فاصله بسیار زیادی با ارزشگذاری ۱.۲۵ میلیارد دلاری این استارتاپ در ماه فوریه داشت، این معامله به نتیجه نرسید. مدیران Goodfire ترجیح دادند به عنوان شرکتی مستقل باقی بمانند تا بتوانند فناوری خود را به توسعهدهندگان مختلف در صنعت هوش مصنوعی ارائه دهند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Goodfire #Mechanistic_Interpretability | 230 |
| 16 | 🟣 انتشار مدل هوش مصنوعی Hy4 Flash توسط تنسنت
تنسنت مدل جدید Hy4 Flash را برای انجام وظایف روزمره، جستجوی عمیق، پردازش اسناد، ارائه و جریانهای کاری ایجنتها عرضه کرد.
این مدل با ۲۲۴ میلیارد پارامتر کل (شامل ۶۴ میلیارد پارامتر Engram) طراحی شده و در هر توکن از ۱۲ میلیارد پارامتر فعال استفاده میکند. Hy4 Flash ورودیهای متنی و تصویری را میپذیرد و پنجره بافت (context window) آن تا ۱ میلیون توکن را پشتیبانی میکند. سرعت تولید این مدل حداقل ۱۵۰ توکن بر ثانیه گزارش شده است.
هزینه استفاده از API رسمی برای هر یک میلیون توکن به شرح زیر است:
- ورودی کششده: ۰.۰۰۳ دلار
- ورودی معمولی: ۰.۰۷ دلار
- خروجی: ۰.۲۸۱ دلار
هزینه پایین کشگذاری، این مدل را برای ایجنتها و پردازش متون طولانی به گزینه مناسبی تبدیل کرده است. این مدل علاوه بر سرویس اصلی، از طریق NeuroAPI نیز با قیمتهای ۹ روبل برای ورودی و ۳۶ روبل برای خروجی در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Hy4_Flash #Engram | 239 |
| 17 | 🚀 علیبابا مدل Qwen4-Max را با ۲.۴ تریلیون پارامتر منتشر کرد
شرکت علیبابا مدل پرچمدار Qwen4-Max را با معماری MoE معرفی کرد. این مدل ۲.۴ تریلیون پارامتر دارد که در هر توکن تنها ۷۱ میلیارد پارامتر آن فعال میشود و ۳۲۸ میلیارد پارامتر دیگر نیز برای پردازش توالیهای متنی تکراری در نظر گرفته شده است.
مشخصات اصلی و عملکرد:
• پنجره بافت ۱ میلیون توکنی با درک بومی تصویر و ویدیو
• تمرکز بر قابلیتهای عاملی (Agent) در ساخت صحنههای 3D در Blender، توسعه بازی در Unreal و Godot و بررسی اسناد علمی، حقوقی و مالی
• کسب امتیاز ۷۵.۷ در بنچمارک DeepSWE v1.1 (در مقایسه با ۷۴.۲ برای Claude Opus 5.5 و ۷۵.۲ برای GPT-6.1 Sol)
• کسب امتیاز ۴۸.۵ در بنچمارک Terminal-Bench 4.0 (پایینتر از Opus 5.5 با امتیاز ۵۹.۶)
قیمت API این مدل ۱.۵ دلار برای هر میلیون توکن ورودی و ۴.۵ دلار برای توکن خروجی است. ورودیهای کششده نیز ۰.۰۷۵ دلار به ازای هر میلیون توکن هزینه دارند. Qwen4-Max در سرویسهای QwenCloud، Qwen Studio، QwenWork و Qoder در دسترس قرار گرفته است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما | 246 |
| 18 | 🌐 مسدودسازی دور زدن تحریم تراشههای هوش مصنوعی توسط آمریکا
وزارت بازرگانی آمریکا قوانین جدیدی را برای جلوگیری از دسترسی شرکتهای چینی به تراشههای پیشرفته هوش مصنوعی از طریق دیتاسنترهای کشورهای دیگر وضع کرد. بر اساس این قانون، دیتاسنترهایی در سراسر جهان که بیش از ۱۲ میلیون واحد محاسباتی (معادل حدود ۷۵۰ پردازنده Nvidia H100) را در اختیار شرکتهای چینی یا کشورهای تحت تحریم قرار میدهند، ملزم به دریافت مجوز از دولت آمریکا هستند.
موارد کلیدی این تغییرات:
- شرکتهایی که در حال حاضر چنین خدماتی ارائه میدهند، ۹۰ روز برای دریافت مجوز فرصت دارند.
- صادرات تراشههای پیشرفته به کشورهای اندونزی، مالزی، سنگاپور، تایلند و برزیل اکنون نیازمند مجوز است، مگر اینکه گیرنده یک شرکت آمریکایی باشد.
این اقدام در پی گزارشهایی مبنی بر استفاده غیرمجاز از قدرت محاسباتی تراشههای انویدیا توسط برخی مشتریان برای ارائه خدمات به کسبوکارهای چینی صورت گرفته است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#Nvidia_H100 #تحریم_تراشه | 254 |
| 19 | 🧐 دو برابر شدن بهرهوری محققان با استفاده از ChatGPT
شرکت OpenAI در بررسی عملکرد ۲۵۱ پژوهشگر متوجه شد که استفاده از ابزارهای هوش مصنوعی زمان انجام پروژههای تحقیقاتی را به طور متوسط حدود ۱.۹ برابر کاهش میدهد. این محققان اعلام کردند که بدون کمک هوش مصنوعی، انجام همان کار با کیفیت مشابه، به زمان بسیار بیشتری نیاز داشت.
بر اساس دادههای جمعآوریشده از ۵۸۰ هزار پیام پژوهشی بین ۲۰ آگوست تا ۲۲ سپتامبر، جزئیات زیر از نحوه استفاده دانشمندان از این ابزار به دست آمد:
* ۶۸ درصد کاربران از ChatGPT برای پرورش ایدههای اولیه پژوهشی خود استفاده کردند.
* در ۲۳ درصد موارد، محققان از هوش مصنوعی خواستند تا مستقیماً پرسش تحقیق را طراحی و پیشنهاد کند.
OpenAI تأکید کرده است که این مطالعه تنها بر اساس برچسبهای خودکار پیامها بوده و دسترسی به محتوای دقیق چتها برای تحلیل فراهم نبوده است؛ بنابراین این نتایج اثباتکننده رابطه علت و معلولی مستقیم نیست.
این شرکت اکنون قصد دارد تعداد کاربران برنامه علمی خود را به ۲۰۰ هزار نفر افزایش دهد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما | 289 |
| 20 | 🔋 اعمال محدودیتهای جدید در دسترسی به DeepSeek
بهدلیل فشار زیاد بر منابع محاسباتی و بارگذاری بیشازحد سرورها، سرویس DeepSeek سیاستهای استفاده از مدلهای خود را تغییر داده است. حجم درخواستهای ارسالی به این پلتفرم در هفتههای اخیر بهشدت افزایش یافته، بهطوری که تنها مدل V4.1 Flash در یک هفته بیش از ۳۳.۶ تریلیون توکن پردازش کرده است.
مهمترین محدودیتهای اعمالشده شامل موارد زیر است:
* محدودیت طول پیام تا ۴۰ هزار کاراکتر
* امکان ذخیرهسازی گفتگوها حداکثر تا ۷ روز
* اعمال سقف روزانه برای تعداد درخواستهای هر کاربر
با توجه به این وضعیت، جلسات چت طولانی و غیرفعال دیگر پشتیبانی نمیشوند و کاربران برای استفاده از مدل با محدودیت در تعداد پرسوجوها مواجه هستند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#DeepSeek_V4_1_Flash #OpenRouter | 289 |
